1 安徽师范大学国土资源与旅游学院, 安徽 芜湖 241000
2 安徽省资源环境与地理信息系统工程技术研究中心, 安徽 芜湖 241000
3 中国科学院遥感与数字地球研究所, 北京 100101
云与生活息息相关,云参量的定量研究便显得极其重要 ,其中包括云相态的精确判识。由于传统基于单传感器的云相态识别 算法都存在一定的局限性,提出了联合CloudSat-CALIPSO-MODIS多传感器进行云相态检测的新方法,提高了云相态的识别精度。 利用2008年5月2日和2010年2月1日的CloudSat、CALIPSO、MODIS综合观测数据,获取了6种云相态,包括不确定云,混合云, 水云,过冷水云,冰云和晴空。 结果表明协同算法可以更精确地进行云相态识别,并为数值天气预报提供条件,具有重要的科学意义。
云相态识别 CloudSat CloudSat CALIPSO CALIPSO MODIS MODIS cloud phase discrimination 大气与环境光学学报
2018, 13(6): 462
解放军理工大学 气象学院, 江苏 南京 211101
依据星载偏振激光雷达云相态识别原理, 借鉴星载毫米波雷达温度阈值云相态识别方法, 利用支持向量机(SVM)构建了联合CloudSat和CALIPSO卫星资料的云相态识别模型并进行了实例反演验证.SVM方法训练和测试样本集采用了CloudSat的2B-GEOPROF-LIDAR云廓线数据、CALIPSO的2级1km云层数据以及欧洲中期天气预报中心的辅助温度数据, 识别结果与温度阈值法得到的CloudSat云相态产品、CALIPSO云相态产品以及相关资料进行了对比验证, 结果表明联合两种雷达数据的支持向量机云相态识别技术具有较高的识别精度, 能够更为准确地反演云相态的垂直分布信息.
毫米波雷达 激光雷达 支持向量机 云相态识别 millimeter wave radar lidar support vector machine (SVM) cloud phase discrimination
